本文介绍两种可靠方法：直接调用 `html_table()` 自动解析表格，或手动定位 `
` 元素提取列数据；重点纠正 css 选择器中误加类名前缀（如 `.td`）导致空结果的常见错误。
在使用 rvest 进行网页表格抓取时，初学者常因 CSS 选择器语法错误导致变量为空——例如将标签名 td 误写为类选择器 .td（带点号），这会让 html_nodes() 去查找名为 td 的 CSS 类，而非
|
HTML 标签，自然返回零结果。
最简洁高效的方式是利用 rvest 内置的 html_table() 函数，它能自动识别并解析页面中所有
元素：
library(tidyverse) library(rvest) url <- read_html("https:>% html_table() %>% pluck(1) # 取第一个表格（索引为 1）
该方法优势明显：无需分析 DOM 结构、不依赖 CSS 类名稳定性、自动处理表头与数据对齐，并直接返回整洁的 tibble 数据框。运行后可得 500 行 × 3 列（Rank、Company、Website）的标准结构化数据。
若需手动控制列提取（例如处理多层嵌套或非标准表格），则应修正原始选择器：
立即学习 “ 前端免费学习笔记（深入）”；
- ❌ 错误：”.td:nth-child(1)” → 查找 class=”td” 的元素；
- ✅ 正确：”td:nth-child(1)” → 查找
| 标签中第 1 个子元素（即第一列）。
修正后的代码如下：
rank <- url %>% html_nodes("td:nth-child(1)") %>% html_text(trim = TRUE) company <- url %>% html_nodes("td:nth-child(2)") %>% html_text(trim = TRUE) website <- url %>% html_nodes("td:nth-child(3)") %>% html_text(trim = TRUE) # 更清晰：直接选第 3 列，替代模糊的 "td~ td+ td" fortune500 <- data.frame( rank = as.integer(rank), company = company, website = website, stringsAsFactors = FALSE )
关键注意事项：始终添加 trim = TRUE 参数避免前后空白符干扰；对数值型字段（如 rank）显式转换类型（如 as.integer()），防止存储为字符；使用 html_table() 时注意：若页面含多个表格，需用 pluck(n) 或 [[n]] 显式指定目标表格索引；网页结构可能随时间变化，建议先用 html_structure(url) 或浏览器开发者工具（Elements 面板）验证实际 HTML 标签与层级。
两种方法均经实测有效，推荐优先使用 html_table() —— 它更健壮、可读性强且维护成本低；仅在需精细控制字段映射或处理复杂合并单元格时，再采用手动节点提取策略。
|
| 
